人工神经网络。 - 页 2 123456789...14 新评论 Andrey Dik 2012.10.06 20:33 #11 如果Urain、TheXpert、MetaDriver、sergeev 等神经网络专家能加入进来，那就太好了。 St.Vitaliy 2012.10.06 20:39 #12 joo: 如果这样的神经网络地毯能拉到这里，那真是太好了......他们中的任何一个人（不是个人，而是'coryphaei'）都发了财，还是只在理论上？ Andrey Dik 2012.10.06 20:51 #13 St.Vitaliy:他们中的任何一个人（不是个人，而是 "coryphaei"）都发了财，还是只在理论上？至少在那些使用过神经细胞的人中，有挑战者赢得了冠军。或者你想给我或我的好朋友或熟人送点东西？ St.Vitaliy 2012.10.06 21:01 #14 joo:至少在使用神经网络的人中，有挑战者获得了冠军。或者你想向我或我的好朋友或coryphaei赠送什么？一个人只能在他或她花了很多时间做的事情的地方进行教学或建议。一个好的程序员在编写程序方面是很出色的，如果这是你的最终目标，那么这一切都很符合逻辑。但这与市场关系不大。 Andrey Dik 2012.10.06 21:07 #15 St.Vitaliy:一个人只能在他们花大量时间做的事情上教你或给你建议。一个好的程序员在编写程序方面是很出色的，如果这是你的最终目标，那么这就很有意义。但这与市场关系不大。谢谢你。现在，请将其翻译成俄语。我不会说你的方言，对不起，我不会说sprechenois。我只是不明白我是否是一个糟糕的（或反之）程序员，或我没有将神经网络应用于市场，或其他什么。请解释。 St.Vitaliy 2012.10.06 21:24 #16 joo:谢谢你。现在，请将其翻译成俄语。我不懂你的方言，对不起，我不懂西班牙语。我只是不明白我是一个糟糕的（或反之）程序员，还是我没有把神经运用到市场上，还是其他什么原因。请解释一下。 相信我，我不会对人使用价值判断。至少我非常努力地做到这一点，只有事实。有什么理由认为神经网络真的能让你稳赚不赔，科里弗斯有成功的实践经验，不能归结为价格神器？只是这一切看起来非常可悲，但是否有合理的纹理？但是，在秋季买入糖，在初夏卖出的简单想法（作为例子）并不有趣... Alexey 2012.10.07 06:55 #17 07041982:神经网络是IMHO算法交易中最难的部分。这里没有新手。我也是，在从事外汇8年后，花了很多钱，尝试了所有可能的策略和 指标以及所有可能的组合后，才决定这是唯一没有接触过的交易策略。为什么我以前没有试过呢？我认为这太复杂了，需要像 "neurosolutions "这样的特殊程序。最重要的是了解神经网络的工作原理，其余的是技术问题。 我在大约一天的时间里发明了我的第一个原型神经元网，在15分钟内用纯MQL5 编写了它，用优化训练了它。哦，我的奇迹，结果是令人鼓舞的......水箱的坚固性在几年内都存在，水箱测试很稳定。现在我几乎可以肯定，如果圣杯存在，它就藏在神经网络深处的某个地方：它们的潜力几乎是无限的，我可以在那里添加任何数量的指标和任何数量的参数......而且可以用纯MQL5 完成。经过思考和尝试，我之前用标准指标创建专家顾问的所有努力都显得很幼稚。 在 这个主题中 ，我提议分享我在神经网络领域的经验。学习MQL5 中设计和训练网络的原则是很有趣的。 我在等待你的意见。 据我判断，这里没有人实现过非永久性架构的神经网络。稍微解释一下，一个神经元可以与躺在下一层和上一层的其他神经元连接，即5-.....。因此，层的概念被抹去了，有点像一个有反馈的神经网络，但这些联系是随着权重系数不断变化的，此外，网络中的神经元数量也不是恒定的，它们会死亡和恢复。 它就是这样一个自然神经网络的类似物。从网络中的出版物来看，这是一个更有希望的方向。 Vladimir 2012.10.07 16:56 #18 在外汇交易中，网络比决策树的优势并不明显。在任何地方使用网络都是愚蠢的。在任何可能存在来自输入的非线性输出函数的地方应用它们。让我举一个简单的分类例子。假设我们需要创建一个系统来区分不同的哺乳动物。输入的是关于整个身体及其各部分（头、鼻子、耳朵、爪子、尾巴等）的形状和大小的信息。 你真的认为建立一个非线性模型，如Class = F（胡子、爪子、尾巴），会比决策树的胡子、爪子、尾巴更准确地确定哺乳动物的类别？ Dmitry 2012.10.07 17:25 #19 NS可以找到隐藏的依赖关系，如模式、水平等，而且它们可以塞进大量的输入参数，使用传统方法，你没有能力优化这么多参数 Vladimir 2012.10.07 17:44 #20 07041982: НС могут сами находить скрытые зависимости типа паттернов, уровней и т.д. плюс в них можно запихнуть очень много входных параметров, с использованием обычных методов вам не хватит мощностей столько параметров оптимизировать网络是一种工具，一种通用的非线性函数，可以针对不同的数据（输入-输出）进行优化（拟合）。这个函数不能拾取任何规律性的东西。你也可以说，一个拟合于平滑曲线的多项式可以找到其隐藏的模式。走出函数被拟合的数据范围，你就知道你会得到什么，这是一个多项式回归的例子。顺便说一下，网络中可优化参数的数量比决策树大得多，因为网络中包含的子连接不影响正确的决策，其权重在优化过程中会减少。 123456789...14 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
如果这样的神经网络地毯能拉到这里，那真是太好了......
他们中的任何一个人（不是个人，而是'coryphaei'）都发了财，还是只在理论上？
他们中的任何一个人（不是个人，而是 "coryphaei"）都发了财，还是只在理论上？
至少在那些使用过神经细胞的人中，有挑战者赢得了冠军。
或者你想给我或我的好朋友或熟人送点东西？
至少在使用神经网络的人中，有挑战者获得了冠军。
或者你想向我或我的好朋友或coryphaei赠送什么？
一个人只能在他或她花了很多时间做的事情的地方进行教学或建议。
一个好的程序员在编写程序方面是很出色的，如果这是你的最终目标，那么这一切都很符合逻辑。但这与市场关系不大。
一个人只能在他们花大量时间做的事情上教你或给你建议。
一个好的程序员在编写程序方面是很出色的，如果这是你的最终目标，那么这就很有意义。但这与市场关系不大。
谢谢你。现在，请将其翻译成俄语。我不会说你的方言，对不起，我不会说sprechenois。
我只是不明白我是否是一个糟糕的（或反之）程序员，或我没有将神经网络应用于市场，或其他什么。请解释。
谢谢你。现在，请将其翻译成俄语。我不懂你的方言，对不起，我不懂西班牙语。
我只是不明白我是一个糟糕的（或反之）程序员，还是我没有把神经运用到市场上，还是其他什么原因。请解释一下。
相信我，我不会对人使用价值判断。至少我非常努力地做到这一点，只有事实。
有什么理由认为神经网络真的能让你稳赚不赔，科里弗斯有成功的实践经验，不能归结为价格神器？
只是这一切看起来非常可悲，但是否有合理的纹理？
但是，在秋季买入糖，在初夏卖出的简单想法（作为例子）并不有趣...
神经网络是IMHO算法交易中最难的部分。这里没有新手。我也是，在从事外汇8年后，花了很多钱，尝试了所有可能的策略和 指标以及所有可能的组合后，才决定这是唯一没有接触过的交易策略。为什么我以前没有试过呢？我认为这太复杂了，需要像 "neurosolutions "这样的特殊程序。最重要的是了解神经网络的工作原理，其余的是技术问题。
我在大约一天的时间里发明了我的第一个原型神经元网，在15分钟内用纯MQL5 编写了它，用优化训练了它。哦，我的奇迹，结果是令人鼓舞的......水箱的坚固性在几年内都存在，水箱测试很稳定。现在我几乎可以肯定，如果圣杯存在，它就藏在神经网络深处的某个地方：它们的潜力几乎是无限的，我可以在那里添加任何数量的指标和任何数量的参数......而且可以用纯MQL5 完成。经过思考和尝试，我之前用标准指标创建专家顾问的所有努力都显得很幼稚。
在 这个主题中 ，我提议分享我在神经网络领域的经验。学习MQL5 中设计和训练网络的原则是很有趣的。 我在等待你的意见。
在外汇交易中，网络比决策树的优势并不明显。在任何地方使用网络都是愚蠢的。在任何可能存在来自输入的非线性输出函数的地方应用它们。让我举一个简单的分类例子。假设我们需要创建一个系统来区分不同的哺乳动物。输入的是关于整个身体及其各部分（头、鼻子、耳朵、爪子、尾巴等）的形状和大小的信息。 你真的认为建立一个非线性模型，如Class = F（胡子、爪子、尾巴），会比决策树的胡子、爪子、尾巴更准确地确定哺乳动物的类别？
07041982:
НС могут сами находить скрытые зависимости типа паттернов, уровней и т.д. плюс в них можно запихнуть очень много входных параметров, с использованием обычных методов вам не хватит мощностей столько параметров оптимизировать
网络是一种工具，一种通用的非线性函数，可以针对不同的数据（输入-输出）进行优化（拟合）。这个函数不能拾取任何规律性的东西。你也可以说，一个拟合于平滑曲线的多项式可以找到其隐藏的模式。走出函数被拟合的数据范围，你就知道你会得到什么，这是一个多项式回归的例子。顺便说一下，网络中可优化参数的数量比决策树大得多，因为网络中包含的子连接不影响正确的决策，其权重在优化过程中会减少。